Problem Statement
Dada uma base de conhecimento do tipo semantic network, o objetivo é dar a "melhor resposta" para uma consulta, ou seja, recuperar um conjunto de afirmações contextualizadas que possam atender a uma necessidade de informação para tomada de decisão.
Dada uma instância de KG hiper relacional, o objetivo é dar a "melhor resposta" para uma consulta, ou seja, recuperar um conjunto de afirmações contextualizadas que possam atender a uma necessidade de informação para tomada de decisão.
Definição de "melhor resposta"
A "melhor resposta" pode ser classificada em:
- não-resposta, quando o KB não contém afirmações sobre o assunto da consulta;
- resposta exata, quando o KB contém a resposta para a consulta em linguagem natural no contexto da tarefa de busca;
- resposta possível, quando o KB contém a consulta em linguagem natural ou a tarefa de busca e
- respostas aproximadas, quando o KB não contém a consulta em linguagem natural e nem tarefa de busca mas contém afirmações sobre o assunto da consulta.
Como responder a "melhor resposta"
Como preparar o KB para dar a "melhor resposta"
Veronica, vamos lá:
ResponderExcluir(1) no inicio tem dois paragrafos quase que repetidos MAS que ainda "pecam" pois há suposição de que tudo está definido. Exemplo, uma "KB tipo semantic network"
(2) gostei dos diagramas e da tentativa de definir a "melhor resposta". Bem legal mesmo! Mas vou querer ver um de cada vez com tuas explicações ao lado. De novo ainda quero ter certeza que sei o que é um KG vs um KB
(3) O melhor mesmo é o como preparar ... isso é MUITO legal!
Ou seja, KGs não são um modelo de dados com estrutura e linguagem e sim bases de conhecimento (Knowledge Bases - KB) [Weikum 2021] do tipo semantic networks representadas através de modelos de dados de grafos existentes. Aqui se faz necessário ressaltar que a definição de conhecimento não implica em ação, ou seja, não corresponde à definição de Charles S. Peirce que estabeleceu que conhecimento é uma informação em que se acredita o suficiente para tomada de decisão (act in) [Bergman 2018]. KB foram definidas dentro do campo de estudo de Knowledge Representation (KR) como uma coleção de estruturas simbólicas usadas para representar proposições acreditadas (crenças) por algum suposto agente. No caso das semantic networks essas proposições são modeladas como um grafo. Um KB não representa todas as proposições acreditadas por esse agente, sendo por natureza incompleto, porém o conjunto de proposições pode ser usado para gerar novas proposições.
ResponderExcluirKG podem representar crenças e afirmações justificadas de diferentes agentes, ainda assim são incompletos, e também possuem a capacidade de geração de novo conhecimento, ou seja, KGs são capazes de utilizar reasoners e redes neurais para deduzir relacionamentos implícitos entre nós originalmente isolados, completando o próprio KG [Arenas et al 2021].
Problema/Hipótese de Pesquisa
ResponderExcluirDada uma necessidade de informação orientada a tarefa e expressa em uma consulta em linguagem natural, é possível recuperar a melhor resposta para esta consulta composta por um conjunto de afirmações contextualizadas?
Proposta de Solução
- Utilizar técnicas de NLP e ML para calcular a similaridade semântica entre uma consulta em linguagem natural e as perguntas, tarefas e as afirmações contextualizadas representadas em um KG hiper relacional para identificar a melhor resposta.
- Utilizar word embeddings e Topic modelling para enriquecer o KG
- Utilizar o log de consultas e métricas do resultado das buscas para guiar o processo de Engenharia do KG
Objetivo de Pesquisa
A partir de uma consulta em linguagem natural e uma KB composta por um conjunto de afirmações contextualizadas, avaliar se a aplicação da proposta de solução permite recuperar a melhor resposta para atender a uma necessidade de informação.